AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：科学计量学×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
6月3日
10:35
10:35arXiv cs.LG@Thomas Maillart, Thibaut Chataing, David Dosu, Paul Bagourd, Julian Jang-Jaccard, Alain Mermoud
该研究利用 OpenAlex 中量子计算子领域的概念共现网络，构建了时间分辨的概念对关系，并追踪每个概念对的上游引用谱系和下游扩散。研究者训练 LightGBM 模型，基于分布和多样性特征预测四个结果：内源强化、外源扩散、两者比率和扩散熵。在控制整体出版增长后，内源强化在量子计算基准中几乎不可预测，而外源扩散和熵的预测性很强（R² 高达 0.78），且由上游异质性、引用广度和分布离散度驱动。在机器人、先进材料和神经植入物领域的复现验证了外源扩散是跨领域的最可预测目标（R²_test 约 0.60-0.87），而神经植入物中内源预测性显著上升（R²_test=0.83），表明量子计算的不对称性并非普遍适用。案例研究显示，熵的急剧增加对应新概念前沿的开启，而熵的崩溃则标志技术收敛或范式更替。
论文概念扩散量子计算预测模型科学计量学LightGBM
推荐理由：这项研究为科学预测提供了可量化的新工具，做科技政策分析、创新管理或科研方向判断的团队，可以直接用其方法识别跨领域概念扩散的早期信号。
原文